本文關(guān)鍵詞：航空發(fā)動(dòng)機(jī)控制系統(tǒng)傳感器故障診斷與容錯(cuò)控制

  更多相關(guān)文章： 航空發(fā)動(dòng)機(jī) 故障診斷 極端學(xué)習(xí)機(jī) 最小二乘支持向量回歸機(jī) 容錯(cuò)控制

【摘要】：航空發(fā)動(dòng)機(jī)控制系統(tǒng)中,執(zhí)行機(jī)構(gòu)是控制器和發(fā)動(dòng)機(jī)之間的橋梁,傳感器作為測(cè)量元件是控制系統(tǒng)工作的基礎(chǔ),執(zhí)行機(jī)構(gòu)和傳感器測(cè)量信號(hào)的正確與否將直接影響發(fā)動(dòng)機(jī)控制系統(tǒng)的正常運(yùn)行。因此,為了提高控制系統(tǒng)的可靠性,有必要建立航空發(fā)動(dòng)機(jī)執(zhí)行機(jī)構(gòu)及氣路傳感器故障診斷系統(tǒng)與主動(dòng)容錯(cuò)控制系統(tǒng)。本文首先研究了執(zhí)行機(jī)構(gòu)故障診斷技術(shù)。通過(guò)執(zhí)行機(jī)構(gòu)模型和發(fā)動(dòng)機(jī)逆模型判斷是否發(fā)生故障并對(duì)故障進(jìn)行定位�；陔x線訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)建立執(zhí)行機(jī)構(gòu)模型,根據(jù)某半物理仿真試驗(yàn)臺(tái)的測(cè)試數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)參數(shù)。分別使用離線訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)和在線訓(xùn)練最小二乘支持向量回歸機(jī)建立發(fā)動(dòng)機(jī)逆模型,在線訓(xùn)練過(guò)程中采用閾值判別法篩選訓(xùn)練樣本,縮短了在線訓(xùn)練時(shí)間,提高了逆模型的實(shí)時(shí)性。某發(fā)動(dòng)機(jī)燃油系統(tǒng)執(zhí)行機(jī)構(gòu)的仿真結(jié)果表明:在穩(wěn)態(tài)和動(dòng)態(tài)工況下,診斷系統(tǒng)能夠準(zhǔn)確地對(duì)執(zhí)行機(jī)構(gòu)及其傳感器故障進(jìn)行診斷和定位,具有很好的實(shí)時(shí)性和自適應(yīng)能力。其次,本文研究了基于在線極端學(xué)習(xí)機(jī)(OS-ELM)的氣路傳感器故障診斷技術(shù)。為了實(shí)現(xiàn)對(duì)雙傳感器的故障診斷,設(shè)計(jì)了故障判別和診斷系統(tǒng)重置功能。重置時(shí)將故障傳感器信號(hào)從預(yù)測(cè)模型的輸入中剔除,提高了診斷系統(tǒng)的預(yù)測(cè)能力。仿真結(jié)果表明,該算法能夠?qū)娇瞻l(fā)動(dòng)機(jī)單傳感器故障和部分雙傳感器故障進(jìn)行有效地診斷與隔離,并具有較高的預(yù)測(cè)精度和實(shí)時(shí)性。最后,在傳感器故障診斷模塊基礎(chǔ)上,研究了基于增廣LQR的主動(dòng)容錯(cuò)控制。通過(guò)多組控制器的主動(dòng)切換邏輯,實(shí)現(xiàn)了故障傳感器的有效隔離,避免了控制器的失效。
【關(guān)鍵詞】：航空發(fā)動(dòng)機(jī) 故障診斷 極端學(xué)習(xí)機(jī) 最小二乘支持向量回歸機(jī) 容錯(cuò)控制
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：V263.6
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 注釋表10-11
• 第一章 緒論11-16
• 1.1 故障診斷與容錯(cuò)控制的研究背景及意義11
• 1.2 故障診斷與容錯(cuò)控制研究現(xiàn)狀11-14
• 1.2.1 執(zhí)行機(jī)構(gòu)故障診斷研究現(xiàn)狀11-12
• 1.2.2 傳感器故障診斷研究現(xiàn)狀12-14
• 1.2.3 容錯(cuò)控制研究現(xiàn)狀14
• 1.3 本文內(nèi)容安排14-16
• 第二章 航空發(fā)動(dòng)機(jī)數(shù)學(xué)模型16-23
• 2.1 概述16
• 2.2 航空發(fā)動(dòng)機(jī)部件級(jí)數(shù)學(xué)模型介紹16-18
• 2.3 執(zhí)行機(jī)構(gòu)模型18-22
• 2.3.1 傳遞函數(shù)形式執(zhí)行機(jī)構(gòu)模型18-20
• 2.3.2 BP神經(jīng)網(wǎng)絡(luò)映射執(zhí)行機(jī)構(gòu)模型20-22
• 2.4 本章小結(jié)22-23
• 第三章 航空發(fā)動(dòng)機(jī)執(zhí)行機(jī)構(gòu)故障診斷23-37
• 3.1 概述23
• 3.2 執(zhí)行機(jī)構(gòu)故障診斷系統(tǒng)23-24
• 3.3 基于BP神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)逆模型24-30
• 3.3.1 基于BP神經(jīng)網(wǎng)絡(luò)逆模型的建立24-27
• 3.3.2 執(zhí)行機(jī)構(gòu)故障診斷系統(tǒng)仿真驗(yàn)證27-30
• 3.4 基于在線最小二乘支持向量機(jī)的發(fā)動(dòng)機(jī)逆模型30-36
• 3.4.1 在線稀疏最小二乘支持向量機(jī)30-33
• 3.4.2 基于支持向量機(jī)的發(fā)動(dòng)機(jī)逆模型33
• 3.4.3 執(zhí)行機(jī)構(gòu)故障診斷系統(tǒng)仿真驗(yàn)證33-36
• 3.5 本章小結(jié)36-37
• 第四章 航空發(fā)動(dòng)機(jī)氣路傳感器故障診斷37-51
• 4.1 概述37
• 4.2 基于極端學(xué)習(xí)機(jī)的在線訓(xùn)練傳感器故障診斷37-41
• 4.2.1 極端學(xué)習(xí)機(jī)（ELM）算法37-38
• 4.2.2 在線貫序極端學(xué)習(xí)機(jī)（OS-ELM）算法38-39
• 4.2.3 基于OS-ELM的航空發(fā)動(dòng)機(jī)氣路傳感器故障診斷系統(tǒng)39-41
• 4.3 診斷系統(tǒng)仿真41-50
• 4.3.1 地面狀態(tài)傳感器故障診斷仿真結(jié)果41-45
• 4.3.2 低空狀態(tài)傳感器故障診斷仿真結(jié)果45-50
• 4.4 本章小結(jié)50-51
• 第五章 傳感器故障隔離與容錯(cuò)控制研究51-61
• 5.1 概述51
• 5.2 傳感器故障的隔離51-52
• 5.3 增廣LQR（ALQR）控制器設(shè)計(jì)52-56
• 5.3.1 發(fā)動(dòng)機(jī)線性模型52-54
• 5.3.2 增廣LQR（ALQR）控制器54-55
• 5.3.3 控制器仿真驗(yàn)證55-56
• 5.4 航空發(fā)動(dòng)機(jī)智能主動(dòng)容錯(cuò)控制系統(tǒng)56-60
• 5.4.1 主動(dòng)容錯(cuò)控制56-58
• 5.4.2 容錯(cuò)控制系統(tǒng)仿真結(jié)果58-60
• 5.5 本章小結(jié)60-61
• 第六章 總結(jié)與展望61-63
• 6.1 本文工作總結(jié)61
• 6.2 對(duì)未來(lái)的研究展望61-63
• 參考文獻(xiàn)63-68
• 致謝68-69
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王磊;謝壽生;彭靖波;楊勇;任立通;;雙目標(biāo)約束下的航空發(fā)動(dòng)機(jī)分布式控制系統(tǒng)最優(yōu)保成本容錯(cuò)控制[J];航空動(dòng)力學(xué)報(bào);2014年07期

2 楊征山;仇小杰;莊錫明;黃金泉;;基于模態(tài)切換的航空發(fā)動(dòng)機(jī)容錯(cuò)控制[J];航空動(dòng)力學(xué)報(bào);2014年04期

3 李業(yè)波;李秋紅;王健康;黃向華;趙永平;;基于ImOS-ELM的航空發(fā)動(dòng)機(jī)傳感器故障自適應(yīng)診斷技術(shù)[J];航空學(xué)報(bào);2013年10期

4 韓冰潔;緱林峰;;基于卡爾曼濾波器組的執(zhí)行機(jī)構(gòu)故障診斷方法[J];計(jì)算機(jī)仿真;2013年02期

5 劉艷春;楊德輝;劉艷麗;康建軍;;基于神經(jīng)網(wǎng)絡(luò)的某型飛機(jī)發(fā)動(dòng)機(jī)故障診斷研究[J];電子設(shè)計(jì)工程;2012年11期

6 ;Aero-engine Blade Fatigue Analysis Based on Nonlinear Continuum Damage Model Using Neural Networks[J];Chinese Journal of Mechanical Engineering;2012年02期

7 尹俊;郭迎清;;神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波融合的航空發(fā)動(dòng)機(jī)傳感器故障診斷[J];計(jì)算機(jī)測(cè)量與控制;2011年08期

8 張弦;王宏力;;基于貫序正則極端學(xué)習(xí)機(jī)的時(shí)間序列預(yù)測(cè)及其應(yīng)用[J];航空學(xué)報(bào);2011年07期

9 韓曉娜;陳朝旭;緱林峰;;一類傳感器故障的主動(dòng)容錯(cuò)控制[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

10 程月華;姜斌;楊明凱;高志峰;;應(yīng)用自組織模糊神經(jīng)網(wǎng)絡(luò)估計(jì)衛(wèi)星姿態(tài)系統(tǒng)執(zhí)行機(jī)構(gòu)故障[J];應(yīng)用科學(xué)學(xué)報(bào);2010年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 李秋紅;航空發(fā)動(dòng)機(jī)智能魯棒控制研究[D];南京航空航天大學(xué);2011年

2 趙永平;支持向量回歸機(jī)及其在智能航空發(fā)動(dòng)機(jī)參數(shù)估計(jì)中的應(yīng)用[D];南京航空航天大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 張高錢;航空發(fā)動(dòng)機(jī)傳感器故障診斷與容錯(cuò)控制[D];南京航空航天大學(xué);2014年

，

本文編號(hào)：1031241